Quasi-Monte Carlo confidence intervals using quantiles of randomized nets
利用随机化网估计量分位数构造准蒙特卡洛置信区间AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：研究对象是通用数值积分的区间推断，估计量分位数并不足以归入经济分布效应研究。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用随机化网估计量分位数构造准蒙特卡洛置信区间
- 研究问题
- 能否利用独立随机化网积分估计量的分位数，为高维积分构造具有渐近有效覆盖率的区间，而无需依赖均值汇总？
- 方法与思路
- 作者分析一类无限可微被积函数的积分误差，将其分解为渐近对称部分与消失余项，再用独立重复的分位数构造区间。
- 材料陈述的贡献
- 摘要称误差分布渐近关于零对称，因此分位数区间的覆盖概率趋于由二项分布确定的名义水平。
- 阅读关注点
- 应核对被积函数类别、数字网及随机化要求、余项控制方式，以及重复次数和分位数选择如何决定覆盖水平。
- 阅读边界
- 仅据Crossref摘要，不能判断有限样本覆盖率、区间长度或对不光滑函数的适用性；具体正则条件未说明。
原文摘要
Recent advances in quasi-Monte Carlo integration have shown that for linearly scrambled digital net estimators, the convergence rate can be dramatically improved by taking the median rather than the mean of multiple independent replicates. In this work, we demonstrate that the quantiles of such estimators can be used to construct confidence intervals with asymptotically valid coverage for high-dimensional integrals. By analyzing the error distribution for a class of infinitely differentiable integrands, we prove that as the sample size increases, the integration error decomposes into an asymptotically symmetric component and a vanishing remainder. Consequently, the asymptotic error distribution is symmetric about zero, ensuring that a quantile-based interval constructed from independent replicates captures the true integral with probability converging to a nominal level determined by the binomial distribution.